بسته طلایی تُندآموزی دادهکاوی با Rapidminer
ببینید، بخوانید و یک مربی اختصاصی داشته باشید…
سرعت یادگیری و انتقال دانش، هدف اصلی بسته برنزی تُندآموز داده کاوی با رپیدماینر (RapidMiner) است. این بسته برای افرادی که تصمیم گرفته اند در مدت زمان کوتاهی به آشنایی با فرآیند دادهکاوی بپردازند مناسب است. اگر جزء افرادی هستید که به تازگی شروع به یادگیری داده کاوی کرده اید، معمولا توصیه می شود که با یک نرم افزار قابل یادگیری سریع شروع کنید. در این بسته آموزشی از نرم افزار RapidMiner استفاده شده است. این نرم افزار محیط گرافیکی زیبا و کاربرپسندی دارد و قوی و در عین حال ساده است. از همه مهم تر استفاده از این نرم افزار نیازی به دانش برنامه نویسی ندارد و شما به راحتی و با استفاده از ابزارها و اپراتورهای موجود در این نرم افزار می توانید کار تحلیل داده های خود را انجام دهید. در ضمن این افزار متن باز و قابل توسعه است و همچنین برای شرکت هایی با اندازه بزرگ هم قابل استفاده است. با استفاده از بسته طلایی تندآموز داده کاوی هم مفاهیم را خوب یاد بگیرید و هم سریع به استفاده از تکنیک ها بپردازید.
چند سوال مهم
اگر شما مدیر یک فروشگاه زنجیرهای بزرگ، رئیس یک بانک، مدیر یک شرکت بیمهای، رئیس یک موسسه اعتباری و مالی، صاحب یک بیمارستان یا کلینیک، صاحب مجموعه رستورانهای زنجیرهای، صاحب یک هتل بزرگ و …. باشید، مطمئناً شما باید دادههای زیادی را از مشتریان خود در دسترس داشته باشید. اما…
- آیا از این دادهها برای بهبود وضعیت کسب و کار خود استفاده می کنید؟
- آیا مشتریان بالقوه خود را میشناسید؟ آیا نیاز مشتریان خود را میدانید و این که چرا شما را انتخاب کردهاند؟
- آیا مشتریان ایدهآل و ارزشمند خود را میشناسید؟ آنها چه ویژگیهایی دارند؟
- آیا میتوانید ارزش گروههای مختلف مشتریان را تعیین کنید یا به همه مشتریان به یکچشم نگاه میکنید؟
- وقت و منابع کسبوکارتان را بیشتر صرف کدام دسته از مشتریان خود میکنید؟
- آیا مشتریان ایدهآل و ارزشمند شما، در آینده هم مشتریان شما خواهند بود؟
- آیا اگر محصول جدیدی را به آنها پیشنهاد دهید، پیشنهاد شما را میپذیرند؟ آیا خرید خود را تکرار میکنند؟
- آیا پیش از ریزش مشتری میتوانید این موضوع را پیشبینی کنید که کدام مشتری را در آینده از دست خواهید داد؟
- آیا میتوانید تشخیص دهید که بهتر است کدام مشتری را در کمپینهای بازاریابی شرکت دهید؟
- آیا میتوانید تشخیص دهید که مشتری کدام گروه محصولات را باهم خریداری میکند؟
- آیا میتوانید پیشنهادهای سفارشی به مشتریان خود ارائه کنید؟
- آیا آیا الگوهای رفتاری مشتریان خود را میشناسید و میتوانید رفتار آینده مشتریان خود را پیش بینی کنید؟
برای تحلیل دادههای مشتریان از کجا شروع کنیم؟
یکی از متداولترین فرآیندهای اجرای پروژههای دادهکاوی فرآیند CRISP-DM نام دارد. استاندارد صنعتی کریسپ یک استاندارد غیراختصاصی، مستند شده و رایگان و همچنین یک مدل عمومی است که توانایی تطابق با ویژگیهای خصوصی هر صنعت یا شرکتی را داراست و برای تدوین آن از تجربیات تعداد زیادی از کاربران دادهکاوی و تولیدکنندگان و ارائهدهندگان خدمات ابزارهای دادهکاوی استفاده شده است. فرآیند کریسپ یک چرخه ۶ مرحلهای است: 1- درک فضای کسب و کار 2- درک داده 3- آماده سازی داده 4- مدلسازی 5- ارزیابی 6- بکارگیری داده کاوی
![فرآیند کریسپ](https://modamcrm.com/wp-content/uploads/crisp.png)
نگاهی به بسته طلایی تُندآموزی دادهکاوی با Rapidminer
1- چهار ساعت مربیگری اختصاصی
مربی: شقایق ابوالمکارم
2- فیلم دوره «تُندآموزی دادهکاوی با رپیدماینر (Rapidminer)»
مدرس: شقایق ابوالمکارم
3- فیلم وبینار «اجرای یک پروژه داده کاوی با رپیدماینر (Rapidminer)»
مدرس: شقایق ابوالمکارم
4- کتاب چاپی تُندآموز رپیدماینر (Rapidminer)
نویسندگان: دکتر فرشید عبدی و شقایق ابوالمکارم
5- کتاب چاپی گنج پنهان: چگونه شرکت ها به کمک داده کاوی اطلاعات مشتریان، فروش خود را افزایش می دهند؟
نویسندگان: دکتر فرشید عبدی و شقایق ابوالمکارم
توجه:
- پس از خرید بسته آموزشی امکان استفاده از 4 ساعت مربیگری اختصاصی را خواهید داشت.
- پس از خرید بسته آموزشی فایل های مربوط به فیلم های دوره تندآموزی داده کاوی با رپیدماینر (Rapidminer) در بخش دانلودهای اکانت شما قرار می گیرد و قابل دانلود است. مدت زمان فیلم های دوره 12 ساعت (در 4 جلسه 3 ساعته) و حجم دانلود فیلم های این دوره مجموعا برابر با 1.54 GB است.
- پس از خرید بسته آموزشی فایل های مربوط به فیلم های وبینار اجرای یک پروژه داده کاوی با رپیدماینر (Rapidminer) در بخش دانلودهای اکانت شما قرار می گیرد و قابل دانلود است. مدت زمان فیلم های دوره 140 دقیقه و حجم دانلود فیلم های این دوره مجموعا برابر با 420MB است.
- پس از خرید بسته آموزشی 2 کتاب چاپی موجود در بسته از طریق پست سفارشی برای شما ارسال خواهد شد. اگر در تهران هستید 2 الی 4 روز و اگر در شهرستان هستید 3 الی 7 روز پس از ثبت سفارش کتاب به دست شما خواهد رسید. کد رهگیری پستی به منظور رهگیری سفارش برای شما ارسال خواهد شد.
1- مربیگری اختصاصی
4 ساعت مربیگری اختصاصی
هزینه هر ساعت 700000 تومان
مربی اختصاصی به سوالات و ابهامات شما درباره دروس و کتابها پاسخ می دهد. به یادگیری شما جهت می دهد. همراه شما در حین مسیر خواهد بود. پیشرفت شما را ارزیابی می کند. به شما کمک می کند یک یادگیری هدفمند داشته باشید. درست بودن درک و نحوه یادگیری شما را می آزماید.
معرفی مربی
شقایق ابوالمکارم
مشاور و مدرس داده کاوی- دانشجوی دکتری مهندسی صنایع
سوابق کاری و تدریس
- مدرس دوره های داده کاوی با استفاده از نرم افزار RapidMiner به مدت ۶ سال
- مدرس دوره های داده کاوی با استفاده از زبان R- به مدت ۴ سال
- ارائه خدمات مشاوره داده کاوی
- مشاور و مدرس داده کاوی در مرکز دانش مدیریت ارتباط با مشتری (مُدام)
پروژه ها و کارهای تحقیقاتی
- دسته بندی مشتریان شرکت پخش و توزیع موادغذایی و بررسی عوامل موثر بر هر دسته با استفاده از تکنیکهای داده کاوی
- مدل ارائه پیشنهاد پوشش بیمه ای بر اساس مشخصات مشتریان با استفاده از ترکیب روش های رده بندی و خوشه بندی
- مدل پیش بینی خرید پوشش بیمه ای توسط مشتریان با استفاده از روش های رده بندی
- مدل امتیازدهی رفتاری مشتریان بهمنظور بهبود نتایج کمپینهای بازاریابی با استفاده از تکنیکهای داده کاوی در فروشگاه خرده فروشی
- مدل پیش بینی ریسک اعتباری مشتریان بانکی با استفاده از ترکیب روش های داده کاوی و سیستم میشیگان فازی
- پیش بینی تمایل به بازگشت بیماران بر اساس امتیازات رضایتمندی و ویژگی های آن ها با استفاده از روشهای داده کاوی
- شناسایی گروه های محتلف مشتریان بانکی با استفاده از تکنیک های دادهکاوی و مدل LRFM
- مدل پیش بینی مدت زمان مورد نیاز برای فروش واحدهای مسکونی با استفاده از روش های انتخاب ویژگی دادهکاوی و رگرسیون
- استخراج قوانین اگر و آنگاه به منظور پیش بینی زمان انتظار فروش واحد های مسکونی با استفاده از الگوریتمهای کشف قوانین انجمنی
کتابها
- گنج پنهان- چگونه شرکت ها به کمک داده کاوی اطلاعات مشتریان، فروش خود را افزایش می دهند؟ نویسندگان: دکتر فرشید عبدی- شقایق ابوالمکارم، انتشارات چالش، ۱۳۹۸
- تُندآموز RapidMiner- کتاب راهنمای دادهکاوی و تحلیل اطلاعات مشتریان، نویسندگان: دکتر فرشید عبدی- شقایق ابوالمکارم، موسسه فرهنگی داده های طلایی خلیج فارس ایرانیان، ۱۳۹۸.
مقالات
- رویکرد جدید استفاده از نمودار ایشیکاوا برای تبیین ساختار علیت مدیریت دانش، یادگیری سازمانی و نوآوری- یازدهمین کنفرانس بین المللی مهندسی صنایع- ۱۷ و ۱۸ دی ماه ۱۳۹۳
- گروه بندی مشتریان شرکت بیمه ای با استفاده از تکنیک های داده کاوی- دوازدهمین کنفرانس بین المللی مهندسی صنایع- ۵ و ۶ بهمن ۱۳۹۴
- مدل امتیازدهی رفتاری مشتریان بهمنظور بهبود نتایج کمپینهای بازاریابی با استفاده از تکنیکهای دادهکاوی- شانزدهمین کنفرانس بین المللی مهندسی صنایع- ۲ و ۳ بهمن ۱۳۹۸
Kaveh Khalili-Damghani, Farshid Abdi, Shaghayegh Abolmakarem, Hybrid soft computing approach based on clustering, rule mining, and decision tree analysis for customer segmentation problem: Real case of customer-centric industries, Applied Soft Computing, 2018
Farshid Abdi, Kaveh Khalili-Damghani, Shaghayegh Abolmakarem , Solving customer insurance coverage sales plan problem using a multi-stage data mining approach, Kybernetes, 2018
Kaveh Khalili-Damghani, Farshid Abdi, Shaghayegh Abolmakarem, Solving customer insurance coverage recommendation problem using a two-stage clustering-classification model, International Journal of Management Science and Engineering Management, 2018
Farshid Abdi, Shaghayegh Abolmakarem, Customer Behavior Mining Framework (CBMF) using clustering and classification techniques, Journal of Industrial Engineering International, 2018
Shaghayegh Abolmakarem, Farshid Abdi, Kaveh Khalili-Damghani, Insurance customer segmentation using clustering approach, International Journal of Knowledge Engineering and Data Mining, 2016
Kaveh Khalili-Damghani, Farshid Abdi, Shaghayegh Abolmakarem, Profiling of Customers based on Clustering and Fuzzy Inference System- SUBMITTED
Kaveh Khalili-Damghani, Farshid Abdi, Shaghayegh Abolmakarem, A Hybrid Genetic Based Machine Learning Approach for Bank Customers Credit Scoring Assessment- SUBMITTE
2- دوره «تُندآموزی دادهکاوی با رپیدماینر (Rapidminer)»
فیلم دوره تندآموزی داده کاوی با رپیدماینر (Rapidminer)
قیمت دوره: 800000 تومان
مدرس: شقایق ابوالمکارم
مدت زمان: 12 ساعت
فرمت آموزش: فیلم MP4 حجم فیلم: 1.54GB
نوع دسترسی: قابل دانلود بلافاصله پس از خرید
چرا از RapidMiner برای دادهکاوی استفاده کنیم؟
- این نرمافزار محیط گرافیکی زیبا و کاربرپسندی دارد که موجب تسهیل اجرای مراحل دادهکاوی میشود.
- برای افرادی که به تازگی می خواهند وارد حوزه تحلیل داده ها شوند و پیش از این تجربه کار با دادهها را ندارند، انتخاب بسیار مناسبی است.
- برای دادهکاوی با این نرمافزار، نیازی به دانش برنامه نویسی نیست. به همین دلیل این نرمافزار طرفداران زیادی دارد.
- این نرم افزار به دلیل سادگی یادگیری طرفداران زیادی دارد. اگر می خواهید داده کاوی را سریع یاد بگیرید با رپیدماینر شروع کنید.
- این نرمافزار شامل مجموعهای مناسبی از ابزارها و بیش از ۱۵۰۰ اپراتور برای اجرای تمام مراحل تبدیل و تجزیهوتحلیل دادهها است.
- این نرمافزار مجموعه مناسبی از اپراتورها برای فراخوانی داده ها از فرمت های مختلف را در برمیگیرد.
- این نرمافزار مجموعه مناسبی از اپراتورها را برای اکتشاف در داده ها و مصورسازی داده ها را در برمیگیرد.
- این نرمافزار مجموعه مناسبی از اپراتورها را برای پاکسازی و پیش پردازش داده ها را در برمیگیرد.
- این نرمافزار مجموعه مناسبی از اپراتورها را برای مدل های پیش بینی و رده بندی را در برمیگیرد.
- این نرمافزار مجموعه مناسبی از اپراتورها را برای مدل های خوشه بندی را در برمیگیرد.
- این نرمافزار مجموعه مناسبی از اپراتورها را برای کشف قوانین انجمنی را در برمیگیرد.
- این نرم افزار متن باز بوده و قابل توسعه است.
- این نرم افزار برای شرکت هایی با اندازه بزرگ نیز قابل استفاده است.
سرفصل دوره
آشنایی با فرآیند کریسپ
با مراحل مختلف فرآیند کریسپ آشنا خواهید شد. در این دوره بر طبق این فرآیند پیش رفته ایم.
آشنایی با محیط نرم افزار و ورود داده ها به نرم افزار
بخش های مختلف نرم افزار برای شما معرفی شده است.
درحوزه دادهکاوی، توانایی تشخیص نوع دادهها بسیار مهم است. نوع دادهها اغلب تعیین کننده نوع تحلیلی است که می تواند بر روی آنها اجرا شود. بنابراین در هنگام ورود داده ها به نرم افزار باید به نکاتی همانند تعیین نوع و نقش متغیرها دقت نمایید. در این دوره در مورد انواع مختلف متغیرها و نقش های مختلف متغیرها با شما صحبت شده است.
اکتشاف در داده ها و مصورسازی داده ها
در این دوره در مورد رسم نمودارهای مختلف و تحلیل اکتشافی داده ها با شما صحبت کرده ایم.
آشنایی با انواع روش های پاکسازی داده ها
در این دوره به حل مشکلاتی هم چون داده های دورافتاده، داده های از دست رفته و رکوردهای تکراری پرداخته شده است. در نرم افزار رپیدماینر اپراتورهای قوی و کاربردی برای پاکسازی وجود دارد. شما را با مهم ترین اپراتورهای مورد نیاز برای پاکسازی داده ها آشنا خواهیم نموده ایم/
آشنایی با انواع روش های پیش پردازش داده ها
- یکپارچه سازی دادهها
- تجمیع دادهها
- انتخاب زیرمجموعهای از ویژگیها
- نمونهگیری
- نرمالسازی
- گسسته سازی
- خلق ویژگی
با مدلسازی نظارت شده (رده بندی و پیش بینی) آشنا خواهید شد.
در این دوره نحوه انجام مدلسازی رده بندی و پیش بینی را فرا خواهید گرفت و شما را با مهم ترین الگوریتم های نظارت شده آشنا خواهیم کرد. برخی از الگوریتم های رده بندی و پیش بینی که در این دوره یاد خواهیم گرفت:
- انواع درخت های تصمیم، ID3، CHAID، Random forest
- شبکه های عصبی مصنوعی
- کا-نزدیک ترین همسایگی
- نیوبیز
- ماشین های بردار پشتیبان
در بخش مربوط به مدلسازی رده بندی و پیش بینی با نحوه اعتبارسنجی مدل ها (k-fold و Split Validation )و همچنین ارزیابی مدل ها و محاسبه دقت مدل ها آشنا می شوید.
با مدلسازی بدون نظارت (خوشه بندی) آشنا خواهیم شد.
شما را با مهم ترین الگوریتم های خوشه بندی آشنا کرده ایم.
برخی از این الگوریتم ها عبارتند از: k-means، k-medoids، X-means
مثالی در ارتباط با خوشه بندی RFM برای شما ارائه خواهد شد. پیش پردازش های لازم و نحوه خلق ویژگی های Recency، Frequency و Monetary در مجموعه داده مشتریان برای شما تشریح خواهد شد. تعداد بهینه خوشه را با استفاده از شاخص های ارزیابی خوشه بندی تعیین خواهیم کرد. همچنین به تشریح خوشه ها و برچسب گذاری خوشه ها خواهیم پرداخت.
با مدل های کشف قوانین انجمنی آشنا خواهیم شد.
در این دوره به استفاده از الگوریتم کشف قوانین انجمنی FP-Growth در قالب مثالی کاربردی پرداخته شده است و مدل استخراج قواعد اگر و آنگاه از پایگاه داده مشتری انجام شده است.
سوالات متداول
داده کاوی با رپیدماینر نسبت به زبان هایی مانند R و Python بسیار ساده تر بوده و در نتیجه اگر به تازگی یادگیری داده کاوی را آغاز کرده اید رپیدماینر میتواند انتخاب مناسبی برای شما باشد. رپیدماینر محیط ساده ای دارد و فرآیند یادگیری را تسهیل می کند. بسیاری از مدل هایی که در زبان های برنامه نویسی احتیاج به نوشتن کدهای زیادی دارد در نرم افزار رپیدماینر به راحتی و با استفاده از اپراتورهای مربوطه قابل اجرا است.
همچنین اگر در صنایع و سازمان های خود قصد انجام تحلیل های سریع از داده های خود را دارید میتوانید به راحتی از این نرم افزار استفاده کنید چرا که در سایت رپیدماینر نیز ذکر شده است که ۳۰۰۰۰ شرکت در جهان از این نرم افزار به منظور تحلیل داده های مشتریان خود استفاده می کنند و این امر تأثیر سریع و قابلتوجهی بر عملکرد آنها داشته و منجر به افزایش درآمد و کاهش هزینهها و ریسک شده است.
خیر، این دوره پیش نیازی ندارد.
خیر نیازی نیست که پیش از دوره با الگوریتم های داده کاوی آشنا باشید. زمان بیشتری از این دوره به نرم افزار اختصاص دارد. ولی در حد آشنایی کلی شرکت کنندگان به توضیح نحوه کارکرد الگوریتم های رده بندی و پیش بینی، خوشه بندی و قواعد انجمنی پرداخته شده است.
بله این دوره برای افراد تازه کار بسیار مفید خواهد بود و در این دوره با داده کاوی و اجرای فرآیند تحلیل داده در نرم افزار رپیدماینر آشنا خواهند شد.
بعد از مشاهده فیلم های این دوره شما به طور کلی با فرآیند اجرای پروژه های داده کاوی آشنا خواهید شد و همچنین با مجموعه ای از پرکاربردترین اپراتورها در نرم افزار رپیدماینر آشنا می شوید. با استفاده از اپراتورهای معرفی شده در دوره می توانید پاکسازی و پیش پردازش داده ها، مدلسازی رده بندی و پیش بینی، مدل سازی خوشه بندی، مدلسازی کشف قوانین انجمنی، ارزیابی و اعتبار سنجی مدلها را به راحتی انجام دهید. البته لازم به ذکر است که برای انجام تحلیل های حرفه ای تر از داده ها در دوره های پیشرفته رپیدماینر و زبانهایی مانند R و Python شرکت کنید.
3- فیلم وبینار «اجرای یک پروژه داده کاوی با رپیدماینر (Rapidminer)»
فیلم وبنیار اجرای یک پروژه داده کاوی با رپیدماینر (Rapidminer)
قیمت فیلم وبینار: 250000 تومان
مدرس: شقایق ابوالمکارم
مدت زمان: 140 دقیقه
فرمت آموزش: فیلم MP4 حجم فیلم: 420 مگابایت
نوع دسترسی: قابل دانلود بلافاصله پس از خرید
دادهکاوی فرایند تجزیهوتحلیل دادهها از دیدگاههای مختلف و خلاصهسازی آن در قالب اطلاعات ارزشمند است که به سازمانها و شرکتها برای جستجوی الگوی پنهان در یک گروه و کشف روابط ناشناخته در دادهها کمک میرساند.
زبان ها و نرم افزارهای مختلفی وجود دارد که شما میتوانید برای تحلیل دادههای مشتریان خود از آنها استفاده کنید. یکی از معروفترین و متداولترین نرم افزارهای مربوط به دادهکاوی، RapidMiner است. ما در مرکز دانش مدیریت ارتباط با مشتری (مُدام) میخواهیم برای کسانی که علاقمند به موضوع تحلیل دادهها هستند وبیناری را برگزار کنیم و در این وبینار به انجام یک پروژه دادهکاوی در نرمافزار RapidMiner بپردازیم.
نرم افزار RapidMiner ظاهر زیبا و کاربرپسندی دارد. یادگیری آن آسان است و برای کسانی که میخواهند بدون نیاز به کدنویسی و برنامه نویسی به تحلیل دادههای خود بپردازند انتخاب خوبی است.
در این وبینار به چه موضوعی پرداخته شده است؟
در این وبینار روی یک مجموعه داده کار تحلیل دادهها را با استفاده از نرمافزار RapidMiner انجام شده و یک مدلسازی کاملا کاربردی را در محیط نرم افزار گام به گام اجرا شده است.
در واقع یک مدل ترکیبی انتخاب ویژگی، خوشه بندی و ردهبندی را با استفاده از RapidMiner پیادهسازی شده است. مدلی که پیاده سازی شده است یک مدل سه مرحله ای است و با استفاده از این مدل می خواهیم به پیش بینی گروه مشتری تازه وارد بپردازیم
- مرحله اول پاکسازی داده ها
- مرحله دوم خوشه بندی مشتریان و تحلیل خوشه ها و برچسب گذاری به هر خوشه
- مرحله سوم انتخاب ویژگی های تاثیر گذار. در این مرحله یک روش ترکیبی انتخاب ویژگی ارائه می شود.
- مرحله چهارم ساخت مدل پیش بینی و استخراج قانون
4-کتاب چاپی تُندآموز رپیدماینر (Rapidminer)
کتاب تندآموز Rapidminer
نویسندگان: دکتر فرشید عبدی و شقایق ابوالمکارم
آماده سازی کتاب: مرکز دانش مدیریت ارتباط با مشتری (مُدام)
مشخصات: قطع رقعی، مصور، 120 صفحه
شابک: 6-6-97949-600-978
نشر: داده های طلایی
قیمت: 97000 تومان
خوانندگان در این کتاب با چه مباحثی آشنا خواهند شد؟
- وارد کردن دادهها به نرمافزار رپیدماینر (RapidMiner) ، درک دادهها و مصورسازی دادهها
- تشخیص نقاط دورافتاده، مدیریت داده های ازدسترفته و حذف رکوردهای تکراری
- پیشپردازشهایی از قبیل یکپارچهسازی دادهها، تجمیع دادهها، انتخاب زیرمجموعهای از ویژگی ها، کاهش ابعاد، نمونهگیری، نرمالسازی و گسستهسازی دادهها
- نحوه مدلسازی با نظارت (رده بندی/ پیش بینی) در نرمافزار و بهکارگیری الگوریتمهای مختلف ردهبندی مانند درختهای تصمیم، شبکههای عصبی، نیوبیز، k – نزدیکترین همسایگی، رگرسیون و…
- نحوه بهکارگیری الگوریتمهای خوشه بندی مانند k-means
- نحوه بهکارگیری الگوریتم کشف قوانین انجمنی
5- کتاب چاپی گنج پنهان: چگونه شرکت ها به کمک داده کاوی اطلاعات مشتریان، فروش خود را افزایش می دهند؟
کتاب گنج پنهان
نویسندگان: دکتر فرشید عبدی و شقایق ابوالمکارم
چگونه شرکت ها به کمک داده کاوی اطلاعات مشتریان، فروش خود را افزایش می دهند؟
آماده سازی کتاب: مرکز دانش مدیریت ارتباط با مشتری (مُدام)
مشخصات: قطع وزیری، 343 صفحه
شابک:
نشر: داده های طلایی
قیمت: 150000 تومان
چگونه شرکت ها به کمک داده کاوی اطلاعات مشتریان، فروش خود را افزایش می دهند؟
شما دارای گنجینه ای از طلا هستید که میتواند میزان فروشتان را چند برابر کند ولی از آن بهرهای نمیبرید. در داده های مشتریان گنجی نهفته است که از طلا نیز باارزشتر می باشد. کافیست برای دستیابی به این گنج پنهان علاوه بر CRM، دانش مربوط به تحلیل داده ها را نیز فراگرفت و با ابزارهای استخراج این گنج نهان آشنا شد. خوشبختانه برای دستیابی به این گنج لازم نیست حتماً یک متخصص آمار، برنامه نویس حرفه ای کامپیوتر و یا دانشمندِ داده باشید.
کتاب گنج پنهان به شما کمک می کند تا نگاه و تفکری تحلیلی به داده های مشتریان خود داشته باشید. و بتوانید از طریق تحلیل داده های مشتریان خود به افزایش فروش دست یابید.
فهرست مطالب کتاب گنج پنهان
- مقدمه
- هدایای همراه کتاب
- بخش اول (ایستگاه اول تا چهارم) : آشنایی با مدیریت ارتباط با مشتریان و دادهکاوی
- فصل(ایستگاه) ۱: آشنایی با مدیریت ارتباط با مشتریان
- فصل(ایستگاه) ۲: آشنایی با داده کاوی
- فصل(ایستگاه) ۳: آشنایی با فرآیند اجرای داده کاوی
- فصل (ایستگاه) ۴: آغاز به کارگیری داده کاوی
- بخش دوم (ایستگاه پنجم تا هفتم) : داستان هایی از کاربرد دادهکاوی در حل مسائل کسبوکار
- فصل (ایستگاه) ۵: داستان اول – مسئول کافی شاپ و چالش کاهش مشتریان
- فصل (ایستگاه) ۶: داستان دوم – فروشگاه های زنجیره ای و بازاریابی پیش بینانه
- فصل (ایستگاه) ۷: داستان سوم – کاربرد داده کاوی در بانک و کسب عنوان شعبه برتر
محتوای این فیلم های آموزشی به شرح زیر می باشد:
- ورود دادهها به نرم افزار رپیدماینر، درک داده ها و مصورسازی دادهها
- تشخیص نقاط دورافتاده، مدیریت داده های از دست رفته و حذف رکوردهای تکراری
- پیش پردازش هایی از قبیل یکپارچه سازی داده ها، انتخاب زیرمجموعه ای از ویژگی ها و نرمال سازی
- نحوه مدل سازی با نظارت (رده بندی/ پیش بینی) در نرم افزار و بکارگیری الگوریتم های مختلف رده بندی مانند درخت های تصمیم، شبکه های عصبی و …
- نحوه بهکارگیری الگوریتم های خوشه بندی مانند k-means
- نحوه بهکارگیری الگوریتم کشف قوانین انجمنی